基于支持向量机的X射线焊缝缺陷检测

为提高对焊缝缺陷的检测精度,提出采用支持向量机(Support Vector Machine,SVM)分类的方法对X射线焊缝图像进行分割.选择训练样本图像的灰度、形态学梯度作为训练向量的特征分量对SVM进行训练,得到SVM分割模型后,将测试样本输入分割模型进行分割处理.以气孔缺陷为例,证明了该方法能实现焊缝气孔缺陷的准确分割,与其他分割方法相比,可提高缺陷检测的精度.     

基于支持向量机的点云切片分割技术的研究

支持向量机这种学习方法,最初用于处理模式识别问题,随后推广到解决回归估计问题,成功解决了高维问题和局部极值问题,是一个具有最优泛化能力的学习机器提出了一种基于支持向量机最优超平面的点云切片分割技术,该技术采用较新的人工智能技术支持向量机（SVM）的最优超平面原理,应用其统计特性,把切片中的点分割成模型本身的独立部分实验诬明,该方法具有速度快、分割准确的优点,分割效果较好.     

基于Mean Shift图像分割和支持向量机判决的候梯人数视觉检测系统

根据电梯群控系统的需求,提出了一种基于视觉检测技术获得候梯人数的新方法.考虑候梯人数检测系统的监测目标为候梯人群,而候梯人群的心理、建筑风格,摄像机的安装角度、复杂背景等因素均会影响到待识别模式的提取,故作者提出了以人体头部作为模式进行模式识别来检测候梯乘客的数量.该方法以Mean Shift图像分割算法和支持向量机(SVM)决策分类器为核心,考虑候梯人群图像采集角度、拍摄镜头的特殊性等对候梯人群头部进行精确识别,较为快速地得到了准确的识别结果.实验证明,该方法处理图像速度可保持在每幅图片2 s以内,准确率超过80％,满足了电梯群控系统的需求.由于能够使电梯群控系统获得稳定可靠的输人参数,从而提高了电梯群的运送效率.     

基于支持向量机的异步电机故障诊断系统

电机故障将造成巨大的经济损失,甚至于人身安全.一个准确的故障诊断系统能够最大程度地降低风险,有利于生产、生活的正常进行.阐述了支持向量机(SVM)及最小二乘支持向量机(LS-SVM)算法的原理,研究了基于LS-SVM的异步电动机故障诊断,比较了正常状况与3类故障的不同,并对3类故障进行了自动分类,测试了分类结果.实验表明,基于SVM的异步电机故障诊断可靠性好,实用性强,验证了SVM的优越性.     

基于支持向量回归机的切削力预测

针对神经网络方法在切削力预测方面存在的缺陷,提出了一种新的基于支持向量回归机的切削力智能预测方法。分析了以往切削力预测模型中输入参数和输出参数的选择问题,在此基础上选择轴向切深、进给量、主轴转速和曲面半径四个关键指标作为预测模型的输入,选择XY平面上的切削力合力和轴向切削力作为预测模型的输出,进一步建立了基于支持向量回归机的切削力预测模型。仿真实例的预测结果表明,建立的智能切削力预测模型合理有效。     

基于支持向量回归机的刀具寿命预测

刀具寿命是制定刀具需求计划、衡量刀具性能和核算成本等的重要依据。针对现有神经网络方法在预测刀具寿命方面存在的不足,提出了一种新的基于支持向量回归机的刀具寿命预测方法。在分析了影响刀具寿命预测主要因素的基础上,建立了基于支持向量回归机的刀具寿命预测模型。应用实例的仿真结果表明,所建立的预测模型具有较强的推广能力和较高的预测精度。     

基于综合型模糊支持向量机的故障诊断方法及应用

设备信息和故障的不确定性、模糊性及故障样本的缺乏给故障诊断带来了较大的困难.针对该问题,分析了现有模糊支持向量机的原理和优缺点,提出了一种综合型模糊支持向量机.该模糊支持向量机既可以处理样本含有模糊信息的情况,又可以解决支持向量机分类中存在的不可分问题.然后,提出了基于综合型模糊支持向量机的故障诊断方法,并在某电路系统故障诊断中开展了应用研究.应用结果表明,该诊断方法在设备状态存在模糊性和故障样本较少的情况下,与现有模糊支持向量机诊断方法相比,实现了较准确的故障诊断.     

基于支持向量机的离心泵故障诊断方法研究

简要论述了支持向量机的原理，介绍了几种支持向量机的多类分类算法，最后将它们应用于离心泵的故障诊断进行比较，获得了令人满意的效果。     

基于支持向量机工具的性能劣化建模方法

针对基于故障数据的数控装备可靠性研究中的小样本问题,提出了建立基于支持向量机的性能劣化模型.在研究支持向量机的建模理论和参数优化方法的基础上,将最小二乘法支持向量机工具LSSVM.M应用于性能退化数据处理,提出一种改进的参数选择方法,以提高拟合和预测准确性.通过实例,验证了该方法的可行性,并建立了数控机床加工精度的性能劣化模型,为可靠性评估奠定了基础.     

基于支持向量机的葡萄酒质量预测

通过葡萄酒的理化指标来对葡萄酒质量进行预测,一方面可以减少因为评酒师主观原因造成的偏差,另一方面可以根据预测结果调整酿造过程提高成酒品质。介绍了支持向量机的原理,并通过实验进行测试验证了通过支持向量机对葡萄酒理化指标数据进行建模分析从而预测葡萄酒质量的方法是有效可行的。     

基于支持向量机的直升机建模

为建立高精度的直升机仿真模型,首次把支持向量机方法引入直升机智能化建模领域。对实际飞行数据进行野值剔除、高频滤波和微分平滑等预处理。在此基础上,利用支持向量机建立了直升机自转着陆过程的旋翼转速模型。与神经网络模型相比,该模型具有结构简单、运算速度快、泛化能力高等特点。理论分析和仿真结果表明,用支持向量机建立直升机的仿真模型是切实可行的。     

基于单类支持向量机的织物瑕疵检测研究

为了实现在工业环境下的织物瑕疵在线检测,提出了一种基于单类支持向量机(OCSVM)的织物异常纹理检测方法。通过利用CCD采集织物图像,滤除图像噪声后提取了图像小区域窗口子图像特征;通过实验寻找了两组有效的特征向量,对特征值进行了归一化和主成份分析降维后导入支持向量机分类器中进行了训练,利用单类SVM对异常区域进行了定位和标记。通过对分别利用两组特征向量识别出的图像结果进行组合得到了最后的瑕疵区域。实验结果表明,该算法能够正确地对多种瑕疵进行识别,并能较大程度降低误检率和漏检率;同时,能够有效解决生产实际中瑕疵训练样本难以获取的问题,对未知的待测样本有较好的推广性,可以适应工业检测的要求。     

基于支持向量机的雷达一维距离像识别

本文利用三类常用的核构造的支持向量机来对雷达目标一维距离像识别,得到了较高的识别率,通过改进支持向量机的核能较大程度减少训练时间,也能使支持向量的个数显著减少,同时具有较高的识别率.     

基于鲁棒支持向量机的非线性系统辨识

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,该文利用鲁棒支持向量机对非线性系统进行黑箱建模,首先推导出鲁棒支持向量机的基本理论,给出了对偶优化问题,并结合一个具体的例子进行了仿真实验,结果验证了所提出的方法的正确性和有效性.     

基于支持向量机回归机的曲面拟合技术

提出了一种基于支持向量回归的点云曲面重构方法,从点云中按一定规则取样得到小样本集,以小样本集为支持向量,并以径向基函数为核函数重建复杂线性函数曲面模型。实验表明该方法能直接重建散乱点云数据．拟合出曲面模型且具有较好的效果,并具有误差小、速度快等优点。     

基于聚类支持向量机的气体泄漏检测

本文提出了一种基于声学信号功率谱分析和聚类支持向量机的检测管道损坏导致气体泄漏的新方法。该方法以现场采集的声学信号功率谱作为聚类支持向量机的输入,首先分析了环境变量对信号频谱的影响,然后,通过对现场不同环境下采集的信号采用自组织特征映射网络算法进行聚类分析,将检测空间分为若干独立子空间,再针对每一子空间构造一个支持向量机检测模型,并以对应子空间的样本集训练支持向量。基于某炼化厂采集数据所进行的实验表明,该方法在不同的现场环境下均具有较好的检测性能。     

基于改进支持向量机的客户流失分析研究

针对客户关系管理中的客户流失问题,建立了基于支持向量机的预测模型.基于实际客户流失数据样本数据量大、正负样本分布不平衡的特点,提出了一种改进支持向量机算法,并将其用于电信行业的客户流失预测.通过实际电信客户数据集测试,与传统的预测算法比较,证明这种算法适合解决大数据集和不平衡数据,具有更高的精确度.     

基于改进SVM的网络流量分类方法研究

针对网络环境中存在大量噪声和网络流量中存在过多的冗余特征属性,提出了一种具有特征有效度的模糊支持向量机(FW-FSVM),并将FW-FSVM应用于网络流量分类领域。该方法根据不同样本点对分类贡献的大小赋予相应的模糊因子,可以有效地消除噪声对分类精度的影响;同时计算网络流量中各个特征的有效度,消除弱特征属性或冗余特征属性对网络流量分类精度的影响。实验结果表明,FW-FSVM相比于其他网络流量分类方法能有效地提高网络流量分类精度且分类稳定性较高。